Docker-GitHub Actions Runner 项目中的持久化配置指南
2025-07-07 14:20:24作者:丁柯新Fawn
在基于Docker容器部署GitHub Actions Runner时,持久化配置是一个关键考虑因素。本文将以docker-github-actions-runner项目为例,详细介绍如何通过Docker Compose实现Runner的持久化运行。
为什么需要持久化配置
GitHub Actions Runner在首次运行时需要向GitHub服务器注册,这一过程会生成重要的配置文件。如果没有持久化存储这些文件,每次容器重启都需要重新注册Runner,这不仅带来额外操作负担,还可能导致Runner ID变更等问题。
核心配置参数
实现持久化主要依赖以下两个关键配置:
- CONFIGURED_ACTIONS_RUNNER_FILES_DIR:指定Runner配置文件存储路径
- /runner/data卷挂载:确保配置文件在容器重启后依然可用
推荐的Docker Compose配置
以下是经过优化的Docker Compose配置示例:
version: '2.3'
services:
worker:
image: myoung34/github-runner:latest
environment:
REPO_URL: https://github.com/example/repo
RUNNER_NAME: example-name
RUNNER_TOKEN: your_github_token
RUNNER_WORKDIR: /tmp/runner/work
CONFIGURED_ACTIONS_RUNNER_FILES_DIR: /runner/data
RUNNER_SCOPE: 'repo'
LABELS: linux,x64,gpu
security_opt:
- label:disable
volumes:
- '/var/run/docker.sock:/var/run/docker.sock'
- '/runner/data:/runner/data'
- '/tmp/runner:/tmp/runner'
配置详解
- CONFIGURED_ACTIONS_RUNNER_FILES_DIR:设置为/runner/data,这是容器内存储Runner配置的目录
- 卷挂载:将主机上的/runner/data目录映射到容器内的相同路径,确保配置持久化
- RUNNER_SCOPE:设置为'repo'表示Runner仅用于特定仓库
- LABELS:定义Runner的标签,便于工作流中识别和选择
注意事项
- Runner组:RUNNER_GROUP参数仅适用于GitHub Enterprise,普通用户应注释掉此参数
- 路径一致性:Docker-in-Docker场景下,主机和容器内的路径必须保持一致
- SELinux系统:需要添加security_opt配置以允许容器管理其他容器
持久化原理
当Runner首次启动时,会在/runner/data目录下生成以下重要文件:
- .credentials:包含Runner的认证信息
- .runner:Runner的配置文件
- 其他运行时需要的文件
通过将/runner/data目录挂载到主机,这些文件得以保留。当容器重启时,Runner会检查该目录下的配置文件,如果存在则直接使用,无需重新注册。
最佳实践建议
- 定期备份/runner/data目录
- 为不同的Runner使用不同的持久化目录
- 考虑使用命名卷代替主机目录挂载,以获得更好的可移植性
- 监控Runner的运行状态,确保自动重启机制正常工作
通过以上配置,您可以建立一个稳定可靠的GitHub Actions Runner环境,适合个人开发者或小型团队使用。这种方案特别适合需要长期运行的自动化任务场景。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C043
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0121
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 开源电子设计自动化利器:KiCad EDA全方位使用指南 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
435
3.3 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
暂无简介
Dart
698
163
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
696
369
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.23 K
674
Ascend Extension for PyTorch
Python
242
280
React Native鸿蒙化仓库
JavaScript
270
328